NumPy去重方法：unique统计唯一值与频次

本文深入解析了NumPy中高效去重与频次统计的核心方法——`np.unique(arr, return_counts=True)`，不仅揭示其一键返回唯一值与对应频次的简洁用法，还直击常见误区（如重复遍历、NaN处理不当、二维数组axis误用），并从底层C实现角度阐明其远超手动循环的性能优势（O(n log n) vs O(n²)），辅以实操建议和版本兼容提醒，助你写出更正确、更快速、更地道的科学计算代码。

np.unique() 怎么同时拿到唯一值和频次

直接用 return_counts=True 参数，这是最常用也最稳的组合。不加这个参数，默认只返回去重后的数组，频次得自己手写循环统计，纯属绕路。

常见错误是以为要先调一次 np.unique() 拿值、再对每个值调 np.sum(arr == x)，不仅慢，还容易在浮点数或 NaN 场景下出错。

实操建议：

• unique_vals, counts = np.unique(arr, return_counts=True) —— 两变量解包，顺序固定：第一个是值，第二个是对应频次
• 如果原数组是二维的（比如 shape=(100, 5)），默认会先展平再统计；要按行/列去重，得加 axis=0 或 axis=1，但此时 return_counts=True 会报错（NumPy 1.24+ 已支持，旧版本不行）
• 遇到 nan，注意 np.unique() 默认把所有 nan 当作相等处理，合并为一个 nan 值并统计总次数；但若数组含多个 nan，它们在排序后会排在最后（且顺序不稳定）

为什么 np.unique(..., return_counts=True) 比手动 count 快

因为底层是 C 实现的哈希 + 排序双路径优化：先排序，再线性扫描计数，时间复杂度接近 O(n log n)，而手动遍历每个唯一值再全数组比对是 O(n²)，尤其在唯一值多时差距明显。

实操建议：

• 别用 [np.sum(arr == v) for v in np.unique(arr)] —— 看似简洁，实际重复扫描数组多次
• 如果只要频次、不要值本身，可以接续用 counts 变量，别再从 unique_vals 里反查索引
• 小数组（

np.unique() 遇到浮点数去重不准怎么办

不是函数有问题，是浮点精度导致的“看起来相同、实际不同”。比如 0.1 + 0.2 不等于 0.3，np.unique() 会把它们当两个值。

实操建议：

• 提前做数值规整：用 np.round(arr, decimals=5) 再传给 np.unique()，decimals 根据业务精度定（金融常用 2，科学计算可能要 10+）
• 避免用 np.isclose() 后手工合并——没法直接喂给 np.unique()，得自己写逻辑，易错且无向量化优势
• 如果必须保留原始浮点值，又想按“近似相等”分组，得换思路：用 scipy.spatial.distance.pdist 或聚类，np.unique() 不适合这种场景

返回的 counts 和 unique_vals 顺序怎么保证一致

完全一致，且按 unique_vals 的升序排列（字符串按字典序，复数按实部+虚部）。这是 np.unique() 的硬性约定，不用额外排序。

容易踩的坑：

• 误以为频次顺序和原数组中首次出现顺序一致 —— 实际是升序，比如输入 [3, 1, 2, 1]，输出 unique_vals=[1,2,3]，counts=[2,1,1]
• 想按频次降序排列？得自己用 np.argsort(counts)[::-1] 索引重排两个数组，np.unique() 不提供 sort_by='count' 这种参数
• 用 return_index=True 或 return_inverse=True 时，别和 return_counts=True 混着解包，顺序是固定的：vals, idx, inv, cnts = np.unique(..., return_index=True, return_inverse=True, return_counts=True)，漏一个就会报错

好了，本文到此结束，带大家了解了《NumPy去重方法：unique统计唯一值与频次》，希望本文对你有所帮助！关注golang学习网公众号，给大家分享更多文章知识！